一种基于改进YOLOv7的室外停车场空车位实时检测方法技术

本发明专利技术涉及目标检测技术领域，具体为一种基于改进YOLOv7的室外停车场空车位实时检测方法；包括以下步骤：获取公开数据集PKlot，并使用roLabelImg工具对的部分图像数据重新标注；将重新标注的图像数据进行数据增强、扩充数据集，得到数据集，然后将数据集分成训练集和测试集；采用EnlightenGAN算法对训练集进行图像增强；构建改进的YOLOv7网络模型；用改进的YOLOv7网络模型对数据集进行训练、测试，获得室外停车场空位实时的检测模型；将检测的图像、视频或者实时画面输入检测模型进行检测即可；本发明专利技术结合EnlightenGAN算法，实现在被阴影覆盖、光照弱等复杂场景下室外空车位的实时检测，减轻模型体积、减少参数量、降低训练成本的同时提升检测性能，缓解了空车位误检、漏检等问题。等问题。等问题。

【技术实现步骤摘要】
一种基于改进YOLOv7的室外停车场空车位实时检测方法


[0001]本专利技术涉及目标检测
，具体为一种基于改进YOLOv7的室外停车场空车位实时检测方法。

技术介绍

[0002]近年来，随着城市规模扩大、人口不断增多，城市中车辆数量也呈爆炸式增长，但停车场的数量和停车位智能化水平发展还与之不相称。当车主不能及时找到停车位时，汽车将处于低速巡游状态或者反复启停状态，会产生大量的尾气排放，甚至会造成交通拥堵。此矛盾不能简单地通过增建车位的方法去解决。因此，为了能够有效地解决车主寻找空车位的难处，提升室外停车位的智能化管理水平尤为重要，如何做到快速、精准、智能地引导车主在室外找到空车位已成为各领域的研究热点。目前，国内外使用的停车场空位检测方法主要有基于电子技术的方法和基于计算机视觉的方法。
[0003]基于电子技术的方法是通过传感器检测来反馈空车位信息。2008年，Park WJ等人利用超声波传感器对空车位进行检测；2019年，陈嘉明等人根据汽车磁信号提出干扰信号滤波器，并与状态机结合实现空车位检测；苏世雄等人于2020年设计了一种基于物联网的停车智能管理系统。总体来看，此类方法需要使用大量的传感器单元覆盖整个停车场，一个传感器一次仅能检测一个停车位且易受环境干扰，铺设繁琐，成本高。
[0004]基于计算机视觉的方法则是在图像或者视频中用算法精准的判断车位是否存在占用情况。目前，由于摄像头覆盖范围广，仅需要几个摄像头，有时甚至一个就可以实现整个停车场车位的检测。在多数情况下，停车场安装监控设施原本是出于安全监控的目的，但随着计算机视觉领域的研究不断提高，增强了视频监控的功能，实现室外停车场空车位的引导。2018年，Karakaya等人提出了一种基于深度学习计算出停车场空车位占用率的方法，该方法是通过在嵌入式系统上运行循环神经网络模型来对停车场图像进行处理，进而简单地收集停车场可用性信息，但该方法没有识别、检测出空车位的具体位置信息；同年，安旭骁等人提出一种基于卷积神经网络的空车位检测算法，该方法利用卷积神经网络在图像分类中的优势，对空车位和已占用车位的图片数据集进行识别模型的训练，达到对空车位与已占用车位的分类。其优点是相对于传统的神经网络计算量小，准确率高，对摄像头的配置要求不高，经济性好；缺点是由于不同停车场的空车位图片信息不同，针对不同的停车场需采集不同的图像集进行网络的训练，模型训练成本较高，模型训练量也较大；杨玉成等人于2021年提出一种基于DETR的停车场空车位检测方法，该方法可以有效检测包括晴天、阴天、雨天、昏暗等复杂场景中空车位，检测精度较高，但是模型训练设备要求和时间成本较高，模型的体积大，不便于在性能较差的嵌入式设备上部署，同时对小目标检测效果较差，易出现空车位漏检问题。
[0005]因此，本专利技术提供一种基于改进YOLOv7的室外停车场空车位实时检测方法，用于解决上述所提出的相关技术问题。

技术实现思路

[0006]本专利技术的目的在于提供一种基于改进YOLOv7的室外停车场空车位实时检测方法，结合EnlightenGAN算法，实现在被阴影覆盖、光照弱、可见度低等复杂场景下室外空车位的实时检测，在减轻模型体积、减少参数量、降低训练成本的同时提升检测性能，有效地缓解空车位误检、漏检等问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：
[0008]本专利技术提供了一种基于改进YOLOv7的室外停车场空车位实时检测方法，包括以下步骤：
[0009]Ⅰ、获取公开数据集PKlot，并使用roLabelImg工具对的部分图像数据重新标注；
[0010]Ⅱ、将重新标注的图像数据进行数据增强、扩充数据集，得到数据集，然后将数据集分成训练集和测试集；
[0011]III、采用EnlightenGAN算法对训练集进行图像增强；
[0012]IV、构建改进的YOLOv7网络模型；
[0013]V、用改进的YOLOv7网络模型对数据集进行训练、测试，获得室外停车场空位实时的检测模型；
[0014]VI、将检测的图像、视频或者实时画面输入检测模型进行检测即可。
[0015]本专利技术进一步的设置为：在步骤Ⅰ中，使用roLabelImg工具对的部分图像数据重新标注后，还包括将使用roLabelImg工具标注好的图像数据先以.xml为后缀保存，之后再转成.txt后缀的格式。
[0016]本专利技术进一步的设置为：在步骤Ⅱ中，所述数据集按照4:1的比例划分成训练集和测试集。
[0017]本专利技术进一步的设置为：在所述步骤III中的EnlightenGAN采用全局
‑
局部鉴别器结构，以U
‑
Net网络作为生成器的骨干网络，并加入了注意力机制。
[0018]本专利技术进一步的设置为：在所述步骤IV中的改进的YOLOv7网络模型采用轻量级MobileOne网络代替YOLOv7的特征提取网络。
[0019]本专利技术进一步的设置为：在所述步骤IV中的改进的YOLOv7网络模型的特征提取层中添加有SimAM注意力模块。
[0020]本专利技术进一步的设置为：在所述步骤IV中的改进的YOLOv7网络模型的坐标损失函数采用CIoULoss。
[0021]与现有技术相比，本专利技术的有益效果是：
[0022](1)本专利技术采用轻量级MobileOne网络代替YOLOv7的特征提取网络，大幅度地减少了模型的计算量，降低了网络的参数量。
[0023](2)本专利技术引入SimAM注意力机制作用在特征图上，更有利地提取特征图上有价值的信息，能够在不额外添加模型参数的情况下，提高模型的检测精度。
[0024](3)本专利技术采用SIoULoss作为坐标损失函数，相比于CIoULoss，其进一步考虑了真实框和预测框之间的向量角度，通过重新定义相关损失函数，加速了损失函数收敛，提高了回归精度。
[0025](4)本专利技术采用EnlightenGAN算法对训练集进行图像增强处理，提高模型在被阴影覆盖、光照弱、可见度低等复杂场景下室外空车位的实时检测性能。
附图说明
[0026]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0027]图1为本专利技术一种基于改进YOLOv7的室外停车场空车位实时检测方法的流程图；
[0028]图2为本专利技术基于改进YOLOv7的室外停车场空车位实时检测方法的结构图；
[0029]图3为本专利技术EnlightenGAN网络结构图；
[0030]图4为本专利技术MobileOneblock网络结构图；
[0031]图5为本专利技术SimAM结构图；
[0032]图6为本专利技术改进的YOLOv7训练网络结构图；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLOv7的室外停车场空车位实时检测方法，其特征在于，包括以下步骤：Ⅰ、获取公开数据集PKlot，并使用roLabelImg工具对的部分图像数据重新标注；Ⅱ、将重新标注的图像数据进行数据增强、扩充数据集，得到数据集，然后将数据集分成训练集和测试集；III、采用EnlightenGAN算法对训练集进行图像增强；IV、构建改进的YOLOv7网络模型；V、用改进的YOLOv7网络模型对数据集进行训练、测试，获得室外停车场空位实时的检测模型；VI、将检测的图像、视频或者实时画面输入检测模型进行检测即可。2.根据权利要求1中所述的一种基于改进YOLOv7的室外停车场空车位实时检测方法，其特征在于：在步骤Ⅰ中，使用roLabelImg工具对的部分图像数据重新标注后，还包括将使用roLabelImg工具标注好的图像数据先以.xml为后缀保存，之后再转成.txt后缀的格式。3.根据权利要求1中所述的一种基于改进YOLOv7的室外停车场空车位实时检测方法，其特征在于：在步骤Ⅱ中，所...

【专利技术属性】
技术研发人员：杨群，冯广，吴晓婷，杨志杰，袁涛，陈钦伟，严宁，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：